# A rede neural convolucional tem bom desempenho diagnóstico na detecção de nódulos pulmonares em tomografia computadorizada?

> Sim. A meta-análise mostrou que a CNN apresenta alta sensibilidade (0,93) e especificidade (0,95) na detecção de nódulos pulmonares em TC, com AUC de 0,98. O modelo pode ser uma ferramenta diagnóstica valiosa, mas há heterogeneidade entre estudos, influenciada por fatores como fonte de dados e espessura de corte.

Estudo citado: Zhang X, Liu B, Liu K, Wang L. The diagnosis performance of convolutional neural network in the detection of pulmonary nodules: a systematic review and meta-analysis. Acta radiologica (Stockholm, Sweden : 1987). 2023. DOI: https://doi.org/10.1177/02841851231201514. PubMed: https://pubmed.ncbi.nlm.nih.gov/37743663/

## Resposta

A detecção precoce de nódulos pulmonares é importante para o prognóstico do câncer de pulmão. A tomografia computadorizada é o exame de imagem inicial, e a interpretação pode ser auxiliada por ferramentas de aprendizado de máquina. A rede neural convolucional (CNN) é uma dessas ferramentas, aplicada a dados de TC para melhorar a acurácia diagnóstica.

Esta revisão sistemática e meta-análise avaliou o desempenho diagnóstico da CNN na detecção de nódulos pulmonares em imagens de TC. Foram incluídos vinte e seis estudos, com 2.391.702 regiões de interesse. A sensibilidade combinada foi de 0,93 e a especificidade de 0,95. A razão de chances diagnóstica foi de 291 e a área sob a curva ROC resumo foi de 0,98.

Os resultados indicam que a CNN pode ser uma ferramenta valiosa, com alta acurácia. No entanto, houve heterogeneidade entre os estudos, e análises de meta-regressão sugeriram que fonte de dados, métodos de pré-processamento, espessura de corte de reconstrução, origem da população e localidade podem contribuir para essa heterogeneidade.

Para o médico, esses achados sugerem que a CNN pode auxiliar na detecção de nódulos pulmonares, mas a variabilidade entre estudos reforça a necessidade de validação local e de considerar as características técnicas das imagens e da população atendida.

A aplicação clínica deve ser vista como suporte à decisão, não substituindo o julgamento médico. A heterogeneidade observada indica que o desempenho pode variar conforme o contexto, o que deve ser levado em conta na implementação.

## O que o estudo mostrou

Revisão sistemática e meta-análise que incluiu vinte e seis estudos, com 2.391.702 regiões de interesse, avaliando o desempenho da CNN na detecção de nódulos pulmonares em TC. A sensibilidade combinada foi de 0,93, a especificidade de 0,95, a razão de chances diagnóstica de 291 e a AUC de 0,98. Houve heterogeneidade entre os estudos, possivelmente relacionada a fonte de dados, pré-processamento, espessura de corte, população e localidade.

## Limitações

O resumo não informa detalhes sobre o desenho dos estudos incluídos, critérios de inclusão ou qualidade metodológica. A heterogeneidade entre os estudos limita a generalização dos resultados. O resumo também não informa se houve avaliação de viés de publicação ou análise de subgrupos.

## Aplicação no consultório

A CNN pode ser considerada como ferramenta de apoio na detecção de nódulos pulmonares em TC, mas o médico deve estar atento à heterogeneidade dos estudos e à necessidade de validação local. Na gestão do consultório, a implementação de sistemas de IA requer avaliação da qualidade das imagens, treinamento da equipe e integração com o fluxo de trabalho, sem substituir a avaliação clínica e radiológica.

## Perguntas para aprofundar

- Qual é o impacto da espessura de corte da TC no desempenho da CNN para detecção de nódulos pulmonares?
- A CNN apresenta desempenho semelhante em diferentes populações e origens geográficas?
- Como a CNN se compara ao desempenho de radiologistas experientes na detecção de nódulos pulmonares?

Tema: IA em oncologia. Página: https://alphadoctor.com.br/ciencia/ia-oncologia/a-rede-neural-convolucional-tem-bom-desempenho-diagnostico-na-deteccao-de/

Conteúdo educacional para profissionais de saúde, baseado no resumo do artigo citado. Não substitui a leitura do estudo original nem avaliação clínica.